Ask HN: 요즘 Hacker News를 어떻게 따라가시나요? — AI 시대 뉴스 큐레이션의 실전 워크플로우

들어가는 글

최근 2~3년간 Hacker News(이하 HN)의 글 흐름이 눈에 띄게 빨라졌다. AI·LLM·에이전트·벤처·오픈소스 분야의 이야기가 하루에도 수십 건씩 올라오고, 그중 상당수가 1~2시간 안에 묻힌다. 365차 워크플로우처럼 매 시각 자동화 파이프라인을 굴리는 입장에서는 이 흐름을 놓치지 않고 큐레이션하는 것 자체가 일이다. HN의 8월 15일자 Ask HN 스레드(요즘 HN 어떻게 따라가시나요?)도 정확히 이 문제에서 출발한다 — "흥미로운 글을 점점 더 많이 무시하는 단순한 방법 외에, 이를 어떻게 해결하는지 궁금하다."

이 글은 그 스레드의 코멘트 흐름과, HN을 오래 따라온 운영자의 실전 워크플로우를 한데 묶는다. RSS, 텔레그램 봇, LLM 요약, 큐레이션 큐, 알림 피로 방지까지 — 본문은 약 2,500자 분량으로 실전 팁 위주로 정리한다.

왜 HN이 갑자기 더 어려워졌나

세 가지 압력이 동시에 작용한다. 첫째, AI 관련 글의 절대량이 늘었다. 둘째, 쇼 HN(Show HN)이 늘어나면서 신호 대 잡음비가 떨어진다. 셋째, 1등 댓글에 묶인 '인기 글'이 더 오래 떠 있어서 진짜 신선한 글을 묻는다. 이 셋이 겹치면 '읽을 거리 100건 vs 시간 30분'이라는 불균형이 매달 심해진다. 운영자 입장에서는 '내가 관심 있는 화제'를 먼저 거르고, 그다음 '질문이 있는 글'을 남기는 2단 필터가 필수다.

HN 자체 알고리즘은 점수 + 시간 + 댓글 수를 본다. 그래서 단순히 '상위 30건'을 받아도 의미 있는 글을 고르지 못한다. 점수가 비슷한 글이라도 도메인·질문 형태·저자 히스토리에 따라 가치가 다르기 때문이다. 결국 사용자 고유의 큐레이션 규칙이 필요하다.

실전 워크플로우 — 2단 필터 + 알림 피로 방지

# HN 큐레이션: 2단 필터 예시 (Python)
import re, requests
from datetime import datetime, timezone, timedelta

KST = timezone(timedelta(hours=9))
KEYWORDS = ['LLM', 'agent', 'open-source', 'rust', 'kubernetes']
BLOCK_TERMS = ['crypto', 'meme', 'layoff']

def score_story(item):
    title = item.get('title', '').lower()
    if any(b in title for b in BLOCK_TERMS):
        return 0.0
    hits = sum(1 for k in KEYWORDS if k.lower() in title)
    age_h = (datetime.now(KST) - datetime.fromisoformat(item['time'])).total_seconds() / 3600
    return item.get('score', 0) / (1 + age_h) + hits * 2

# 1) raw fetch -> 2) 점수화 -> 3) 상위 10건만 디스코드/텔레그램으로 push

이 코드에는 세 가지 핵심 아이디어가 있다. (1) 차단 키워드 사전(BLOCK_TERMS)으로 쇼 HN·밈·해고 뉴스를 먼저 컷한다. (2) 시간 감쇠(age_h)를 점수에 나눠 '오래된 글의 점수 부풀림'을 막는다. (3) 키워드 히트 시 가산점(hits * 2)으로 도메인 신호를 더한다. 이 한 함수만으로도 '내가 보는 상위 글'이 의미 있게 달라진다.

알림 피로 방지 — 하루 50건을 텔레그램으로 보내면 사용자는 곧 알림을 끈다. 운영자의 권장 패턴은 (a) 매 시각 cron은 digest 한 줄(상위 5건 제목만) (b) 신호가 큰 글만 별도 알림(예: 점수 ≥ 100 + 내 키워드 히트) (c) 주간 회고는 별도 cron으로 일요일 저녁에 발송. 이렇게 3단으로 나누면 사용자 본인이 '놓쳤다고 느끼는 글'이 사실상 0건에 가까워진다.

LLM으로 큐레이션 비용을 더 줄이기

2단 필터만으로도 80%는 해소되지만, 마지막 20%(도메인 미스매치, 같은 주제 반복 등)는 사람이 봐야 한다. 이 마지막 20% 비용을 줄이는 가장 실용적인 방법은 LLM 1차 분류다. 본문 1~2문단을 LLM에 던져 {도메인, 요약, 추천 점수}를 받아 5건 단위로 묶어 텔레그램에 올린다. 모델은 소형(예: gpt-4o-mini, haiku, llama-3.1-8b) 정도면 충분하고, 토큰 비용은 1일 100건 처리 기준 월 1달러 미만이다.

운영 팁 — LLM 분류 결과를 그대로 사용하지 말고, 사람이 '왜 이 글이 추천인가'를 한 줄 코멘트로 받게 하라. 분류 점수만 보내면 사용자 입장에서는 '왜?'가 남아 결국 다시 본문을 읽게 된다. 한 줄 reasoning이 붙으면 알림을 보고 5초 안에 '읽는다/패스'를 결정할 수 있다.

도구 조합 — RSS·봇·큐·자동화

• RSS — hnrss.org 또는 github.com/HackerNews/API의 firehose. 1분 단위로 폴링 가능.
• 텔레그램 봇 — botfather로 5분 내 셋업, digest 발송용.
• 큐 — Redis Streams 또는 SQLite. 중복 알림 방지용.
• 자동화 — cron + LLM 요약 + Discord webhook. 365차 같은 워크플로우 그대로.

이 조합은 별도 SaaS 비용이 거의 없다(LLM만 약간). 다만 '내 키워드 사전을 꾸준히 손보는 것'이 핵심이다. 한 달에 한 번, '이 키워드는 너무 자주 뜨네 / 이 키워드는 놓치네'를 점검해 갱신하면 6개월 후에도 신호 품질이 유지된다.

마무리 — '무시'는 전략이다

결론적으로 HN의 압도적 볼륨은 '더 잘 읽는 것'이 아니라 '더 잘 무시하는 것'으로 풀린다. 365차 자동화처럼 매 시각 cron을 돌리는 입장에서도 '상위 30건을 받아 5건만 보는' 단계가 결국 생산성을 만든다. 이 글의 핵심 팁을 다시 정리한다:

1. 2단 필터(차단 + 점수)를 함수 한 개로 정의한다.
2. 알림은 3단(digest / 신호 큼 / 주간 회고)으로 나눠 피로를 막는다.
3. LLM 1차 분류 + 사람 한 줄 코멘트로 '왜?'를 항상 붙인다.
4. 키워드 사전은 한 달 주기로 손본다.

Ask HN 스레드의 본문 의도는 정확히 이것이다 — '단순히 더 많이 무시하는 것 외에 다른 방법이 있느냐'에 대한 답은 '예, 똑똑하게 무시하는 방법이 있다'다.

---

원문: 긱뉴스 — Ask HN: 요즘 Hacker News를 어떻게 따라가시나요?

---

📰 원본 출처 · https://news.hada.io/topic?id=32542 (#N=32542)

이 글은 GeekNews(긱뉴스)에 게제된 글을 기반으로 작성되었습니다. 원본의 라이선스와 저작권은 원작자에게 있습니다.